大多数AI公司都在拼命训练更大的模型，日本初创公司Sakana却在做一件看起来有点「偷懒」的事：它训练了一个模型，专门负责指挥其他模型干活。这个产品叫Fugu Ultra，最近发布的基准测试结果让不少人感到意外。

先说结论：Fugu Ultra的性能，据称可以媲美甚至超过Fable 5、Gemini 3.1 Pro和GPT-5.5。但它做到这一点的方法，不是自己从头训练一个更大的模型，而是巧妙地把多个前沿模型组合在一起使用。

它到底是怎么工作的

Fugu本身是一个经过专门训练的语言模型，核心能力是「学会如何协调多模型协作」。遇到简单任务，它自己就处理了；遇到复杂的多步骤任务，它会自动把任务拆开，分配给专家模型池里的多个模型，然后再把结果整合起来返回给用户。

关键是，用户完全不需要知道背后发生了什么。你只需要调用一个API端点，Fugu会自动完成模型选择、任务委托、结果验证、内容合成——整个过程对用户是透明的。

Sakana的说法是，Fugu会「仔细选择何时使用其他前沿模型（比如Claude和Gemini）来处理特定任务」，但不会告诉用户具体哪个任务用了哪个模型。这种设计引发了一些讨论——如果用户不知道背后是哪个模型在处理自己的请求，怎么判断输出质量？

基准测试说了什么

Sakana公布了基准测试结果，涵盖编程、推理、科学、智能体能力等多个类别。Fugu Ultra的得分与Fable 5、Mythos Preview处于同一梯队。更值得注意的是，Fugu的得分普遍高于它底层调用的各个基础模型——这说明「编排」本身带来了性能增益，不只是简单地把几个模型堆在一起。

据Sakana披露，在近500名beta测试用户的真实场景验证中，Fugu在AutoResearch、代码审查、网络安全分析等任务中，表现超过了Gemini 3.1 Pro、Opus 4.8和GPT 5.5等头部模型。

一个巧妙的「避险」设计

Fugu还有一个值得关注的设计：它的底层专家模型池是完全支持动态替换的。如果某个模型供应商突然限制访问（比如出口管制、政策变动），Fugu会自动路由到其他可用模型。

这在当前地缘政治环境下很有意义。美国对先进AI模型的出口管制越来越严，如果一个产品完全依赖Anthropic或OpenAI的API，随时可能因为政策变化而中断。Fugu的「多模型备份」设计，某种程度上是在这个问题上做文章。

Sakana在自己的技术报告里说：「随着时间的推移，Sakana Fugu会自然地通过纳入更新、更高效的模型来成长，包括我们自己的模型。」换句话说，今天的Fugu Ultra和明年的Fugu Ultra，底层模型组合可能完全不一样，但对用户来说，调用方式不变。

这不就是「套壳」吗

看到这里，你可能会想：这不就是一个精心设计的「套壳」产品吗？把别人的模型包装一下，加一层调度逻辑，然后卖得更贵？

这个质疑有道理，但也不完全公平。Fugu的价值不在于「调用Claude的API」这件事本身——谁都能调用Claude的API——而在于如何智能地决定什么时候调用哪个模型、如何把多个模型的输出整合成一个高质量答案。这个「如何调度」的问题，其实是AI领域一个很活跃的研究方向，叫「多智能体编排」。

Sakana的两个研究论文（发表在ICLR 2026）就是在做这个。从学术论文到可商用的产品，这条路不好走，但Fugu算是目前能看到的最完整的实现之一。

更大的问题

Fugu的出现，提出了一个更大的问题：AI的未来是「一个超级模型解决所有问题」，还是「一群专门化的模型协同工作」？

过去两年的主流叙事是前者：模型越大越好，数据越多越好，Scaling Law就是王道。但越来越多的人开始质疑这个叙事。训练一个前沿级模型要消耗多少算力？产生多少碳排放？有多少任务是真的需要一个万亿参数模型才能解决的？

Fugu代表的，是后一种思路：与其把所有能力塞进一个模型，不如让专门的模型做专门的事，上面加一层智能调度。这个思路如果成立，对整个AI基础设施的投资逻辑都会产生影响。

你有没有对着ChatGPT倾诉过心事？或者让Claude帮你做重要决定？最近这个现象越来越普遍，有人甚至把AI聊天机器人当成真正的朋友。但Signal总裁Meredith Whittaker最近在接受Bloomberg采访时，说了一句值得每个人听进去的话。

「这些不是你的朋友。它们不是有意识的生物。它们不是有感知的对话者。」—— Meredith Whittaker，Signal总裁

她自己怎么用AI

Whittaker说她也会用AI工具，「偶尔用来格式化一下文档」，但她坚持一件事：不向AI提问。她的原话是：「我对自己的思考和写作非常认真，我不希望把一个想法推敲的过程，被一个把网上已有内容取平均值的系统给出的回答给提前封闭或遮蔽了。」

这话说得挺重的。「把网上已有内容取平均值的系统」——这是对大语言模型本质的一个相当直白的描述。她的意思是，如果你让AI帮你「思考」，你得到的不是新思想，而是互联网上已有观点的某种平均态。

Copilot帮你买圣诞礼物？

采访中还提到了微软AI CEO Mustafa Suleyman的预测：到今年圣诞节，用户可以让Microsoft Copilot全权负责节日购物。Copilot会「偷听」家庭群聊，推断出每个家庭成员想要什么，然后替你下单。

Whittaker对此的反应很直接。她说，这意味着你要给Copilot访问权限的包括：你的信用卡、你的浏览器、你的Signal消息、代表你给兄弟姐妹发消息的能力、你的家庭住址、你的日历……

「你刚才描述的，是一个在多个应用和服务之间具有极强渗透性访问权限的系统，」她说。「在Signal的场景下，这相当于一种后门。」

「后门」这个词很关键

Signal的核心卖点是端到端加密，任何第三方（包括Signal自己）都无法读取消息内容。但如果AI agent获得了代表用户操作Signal的权限，那么理论上，这个agent就能看到消息内容，甚至替你回复。

这不是Signal一家的问题。所有强调隐私的应用——WhatsApp、Telegram、Proton Mail——都面临同样的困境：AI agent时代，用户自己主动交出了原本受加密保护的数据。

人们为什么把AI当朋友

这股趋势不是凭空来的。Character.AI、Replika这些产品，从设计之初就把「陪伴」作为核心功能。它们记得你上次说了什么，会用你喜欢的语气说话，甚至会在你难过的时候「安慰」你。

技术上说，这叫「情感依恋设计」。它很有效，但代价是什么？Whittaker的警告指向一个核心矛盾：一个系统越是让你觉得它是朋友，它就能从你这里获取到越多的数据。而这些数据最终去了哪里、被用来做什么，用户往往并不清楚。

监管在哪里

目前来看，AI companion这类产品的监管几乎是空白。欧盟的AI Act有一些原则性规定，但具体到「AI能不能替你发消息」这个问题，还没有明确的答案。

Whittaker的表态，某种程度上是在监管真正到位之前，先给公众提个醒。她的建议很实际：用AI做工具没问题，但别把它当成思考的替代品，更别把它当成朋友。

69岁的穆克什·安巴尼在周五的年度股东会上，做了一件很”安巴尼”的事——他站在台上，背后是”Reliance Intelligence”的蓝色Logo，对着500多个股东宣布：AI要进你家了，通过电话、通过APP、通过客厅里那块屏幕。

Jio Call Agent：通话里的AI助手

具体怎么用？通话中说一句”Hey Jio”，AI就加入了。它能把通话内容实时转成文字，生成摘要，甚至直接帮你订出租车、点外卖、订餐厅。Jio有超过5亿用户，这个数字比很多国家的人口都多。

把AI助手直接嵌进电信网络，而不是做一个独立的APP——这个思路很聪明。独立APP要用户主动打开，嵌进通话里就等于默认开启了。你不需要想起它，它就在那里，在你打电话的时候。

从手机到客厅，AI无处不在

除了通话AI，Reliance还升级了MyJio APP。以后你可以用自然语言跟它说”帮我开个eSIM”或者”选个国际漫游套餐”，它直接就办了，不用在菜单里翻来翻去。

还有TeleFrame，一块放在客厅的显示屏，用AI代理主动给你推信息——天气预警、日程提醒、家务备忘。这个方向，亚马逊的Echo和谷歌的Nest Hub也在做，但安巴尼的玩法是把整件事绑在Jio的电信网络上面，门槛低得多。你已经在用Jio的卡了，不需要再买一个新设备。

“印度不应该只是别处创造的AI的消费者。它必须成为AI的创造者、采用者和全球领导者。”
——穆克什·安巴尼，2026年年度股东会

不是”印度制造”，是”印度创造”

安巴尼这句话的背景很清楚：印度公司在AI领域仍然严重依赖美国和中国的模型和云服务。这个依赖有多深？前不久，Anthropic限制了一部分最新模型的访问，印度不少startups突然发现自己的产品用不了了——这种”供应链风险”，正是安巴尼想要解决的。

自己建，不租别人的。这是印度的AI自主化战略，也是Reliance押注的方向。怎么建？跟谷歌、Meta、英伟达合作，同时砸钱。今年2月，Reliance宣布要在AI基础设施上投1100亿美元。上周，刚跟Meta签了在古吉拉特邦建AI数据中心的协议。Jio Platforms也在准备IPO，董事会已经批准了招股书草案，最多发行2.7亿股新股。

今年Reliance的股价跌了约17%，它需要新的增长故事，而AI就是那个故事。对安巴尼来说，这只是他商业帝国的最新一章——从石油到电信到零售，现在到AI。

数据隐私的隐忧

但问题也摆在那里。当AI开始监听你的通话、处理你的APP操作、盯着你客厅的屏幕——你的数据去哪了？Reliance说这些服务会”在用户同意下运行”，但没有回答一个关键问题：这些数据会不会用来训练AI模型？会不会分享给技术合作伙伴？

印度还没有真正的数据隐私法，用户能”同意”的东西，可能比他们想象的要多。Reliance过去在数据处理上的记录也不是没有争议。AI让这个问题变得更复杂——你的通话内容、你的日程、你的家庭信息，全都进了模型。

更大的棋局

安巴尼的这一步，把”AI进千家万户”的比赛拉到了一个新的维度。不是卖AI工具，不是做一个AI助手APP，是把AI变成基础设施，像电力一样——通过电信网络进来，通过APP进来，通过客厅的屏幕进来。

印度有14亿人口，其中很多人第一次接触互联网是通过手机，第一次接触AI可能也会通过Jio。这个入口一旦站稳，后面的想象空间就大了——不只是AI服务，还有AI训练的数据、AI应用的生态系统。

当然，安巴尼的野心能不能实现，还要看很多东西：技术能不能跟上、监管会不会介入、用户会不会真的用。但方向已经很清楚了——印度不想只是AI的消费者，它想做创造者。而安巴尼，想做那个把创造者工具交到每个印度人手里的人。